第一章 绪论
1.1 研究背景与意义
近年来，随着科技的不断向前发展，传统的工业生产方式也在悄然地发生着改变。在工业生产领域中，以往主要依靠人工进行生产制造的模式，正在逐步的被机器人技术所替代。作为机器人技术领域的一个重要研究方向，机器人视觉测量技术也在日益地影响着人们的生活与工作。传统的工件测量方法主要依靠激光跟踪仪、三坐标测量机、激光扫描仪等设备来完成，存在测量速度慢、易划伤被测物体表面、随机误差大、受人为因素影响较大等缺点，已经不能达到国内外制造业的测量要求[1]。而机器人视觉测量技术，因具有非接触、检测效率好、自动化水平较高以及低成本等优良性能，在工业测量领域中得到越来越广泛的应用。
机器人视觉测量近年来发展迅猛，其技术变得越来越成熟，测量的对象也愈加丰富起来。早期的视觉测量技术，其测量范围比较局限，大都是依靠单个摄像机来进行视觉测量，其仅能实现简单规整物体的二维尺寸测量[2]。而在诸如工件的定位、目标物体识别、机器人导航等实际的应用场合中，还需要得到物体的三维尺寸信息。此时，单一的单目视觉测量已经满足不了这种应用需求。因此，一种基于双目视觉的测量技术应运而生，它的出现很好的解决了这个问题。双目视觉测量原理是：首先通过左右相机拍摄一系列图像，经过对这些图像的处理，可以计算出被测物体的三维坐标。然后通过得出的三维点坐标对物体的立体结构进行还原，最后由关键点的三维坐标信息即可完成对物体相关尺寸的测量[3]。双目测量系统不仅研发设计费用相对较低，自动化水平高，而且系统平台搭建简单，能够达到很高的测量精度。双目视觉测量是一种非接触的测量方法，因此在对物体进行尺寸测量时，不会对物体的外表面产生影响[4]。双目视觉测量技术已经逐步成为当今测量领域中的重点研究方向，在工业检测、零部件生产制造以及医疗诊断等多个方面有着广阔的应用前景。
...............................
1.2 国内外双目视觉测量技术的研究现状
1.2.1 国外研究现状
国外对双目视觉测量技术的研究开始的较早，迄今为止，已经产生了很多比较成熟的理论知识，并且取得了一系列的研究成果。
Pillai 等人提出了一种高性能和可调节的立体视差估计方法，该种方法能够使机器人在运动的同时，快速地重建其周围的三维环境。其方法原理是：首先通过立体图像的平面网格对场景深度进行迭代逼近，然后采用深度验证的方法完成半密集重建，最后根据需要对特征点进行递归细分，用以提供期望的立体视差精度[5-6]。
加利福尼亚大学的 Thuy 等人提出了全面的三维重建的系统设计，该设计既能强化待测物体表面的纹理信息，又可以对场景的特征进行检测，并且在图像进行三维重建时，能够在各个角度得到物体的尺寸信息，具有很高的精度和处理速度[7]。
Hamzah 等人设计了一种基于双目视觉的移动机器人障碍物检测和避障系统。该系统首先使用平行放置的双相机采集周边图像，然后对采集的图像进行处理，得出图像的视差映射和深度图，并在此基础上用曲线拟合确定出在视差映射中检测到的周边每个障碍物的范围，以实现移动机器人的避障操作[8]。
Dimitrios Kosmopoulos 等人设计出了一种基于双目视觉的自动间隙检测系统，该系统主要用于对车身零件之间的间隙的相关尺寸进行自动检测，能够实现在线实时测量且测量有效误差可保持在 0.1mm 之内[9-10]。
..................................第二章 摄像机标定的分析与研究
2.1 摄像机标定
摄像机标定是计算机视觉测量系统的基础，其标定结果在精确测量物体的空间位置方面起着关键性的作用。摄像机的标定精度越高，其对物体的测量精度也会变得越高。摄像机在不同视点去观察相同场景时，可以获得不同视角下的图像，利用这些图像中不同像素点之间的对应关系，通过三角测量原理就能够得出物体的三维信息。而要确定出这种对应关系，就必须建立起成像的几何模型，这种几何模型所表示的就是摄像机的各种参数。摄像机的参数主要有内部参数和外部参数两种。其中，内部参数由相机的内在几何形态和光学属性决定，不会受到外部场景变化的影响，而外部参数则表示为摄像机在世界坐标系的相对位置和方向，会因摆放摄像机的位置的不同而发生变化[19-20]。获取摄像机内、外参数的整个过程就被称作为摄像机标定。摄像机的标定过程如下图 2.1 所示。
............................
2.2 摄像机成像模型
在双目立体视觉中，通过对两幅或两幅以上图像的计算，能够得到被测量目标的三维几何参数，然后由相机成像的原理，可将被测物体的二维信息反映在摄像机的像平面上，也即是在像平面上进行投影[26]。摄像机成像模型反映了目标物体在空间里与像平面的投影关系。根据镜头的畸变，可以把摄像机成像模型分为针孔相机模型和相机镜头畸变模型。
2.2.1 针孔相机模型
...........................
3.1 图像特征................................18
3.1.1 局部不变特征...................................18
3.1.2 全局特征................................19
第四章 特征点的立体匹配研究.......................................35
4.1 视差理论...............................................35
4.1.1 视差矢量和视差图...........................................35
4.1.2 视差空间图像.....................................36
第五章双目视觉测量优化研究.............................44
5.1 工件定位与尺寸测量实验................................44
5.2 优化研究...................................50
第五章双目视觉测量优化研究
5.1 工件定位与尺寸测量实验
工件定位与尺寸测量实验系统的整体环节如下图 5.1 所示，首先搭建实验所需要的软硬件平台，然后通过左右摄像机获取图像对，并在 MATLAB 中对图像对进行操作，以完成对摄像机的标定。最后将摄像机标定后得到的摄像机的内外参数读入到 Visual Studio 软件中，结合 OpenCV（开源计算机视觉库）完成后续的立体校正、特征点的提取与匹配以及特征点的三维重建工作，实现工件的定位与尺寸测量。
.......................
第六章 总结与展望
6.1 总结
随着现代科技的不断进步，带动了机器人技术也在飞速的向前发展。机器视觉作为机器人技术的一个重要研究方向，其在机器人方面的应用领域变得愈加广泛。机器视觉在工业方面的应用前景广阔，其中的视觉检测更是其重点研究方向之一。本文研究的是视觉领域方面的双目视觉测量，通过双目视觉测量系统中摄像机的标定、特征点的检测与提取、立体匹配、三维重建等步骤完成了对目标工件的定位与尺寸测量。现将本文的主要工作进行如下总结：
（1）在摄像机标定方面，
介绍了摄像机的几种常见标定方法，并根据实验所需选择了张正友标定法。利用基于张正友标定法的MATLAB标定功能，完成了对摄像机的标定，求出了摄像机的内部以及外部参数，并对标定结果作了简要的分析。
（2）在特征点检测方面，详细介绍了图像特征的分类，对其中的每种特征进行了分析比较后，选用了特征点提取的方式对图像特征进行提取。先是对Harris、FAST、SIFT以及SURF等四种较为广泛的特征检测算法的原理及实现过程进了分别研究。其后，在此基础上，提出了一种融合SIFT与SURF优势的新型特征检测方法。经过实验证实，该种方法不仅能够保证检测效率，且检测到的特征点具有尺度不变性的优点，可以适应多种检测环境。
（3）传统的双目视觉检测研究，过多的集中在于物体的识别方面，而对视觉的精度问题关注很少。因此，研究分析视觉结构参数对测量精度的影响变得很有必要。文章构建了双目视觉测量系统的结构参数模型，并对各结构参数对系统测量精度误差的影响进行了研究，从而为双目视觉测量系统找出了理想的测量条件。对后续的系统测量精度的提升，奠定了重要的基础。
参考文献（略）